模糊阈值

原始图像：直方图：

从上图可以看出，经过模糊化后，直方图变的平滑了很多，下一步主要进行曲线最小值的搜索。

另外，模糊缺陷的保值性与窗宽nWinWidth 有很大的关系，窗宽取的合适，获得的模糊曲线就更容易分割。而所谓自适应模糊化分割，就是找到合适的nWinWdith，目前，找合适的nWinWdith有很多方法，大部分都是搜索法，然后按照设定的准则停止（比如文中讲到的极点法、还有区间法等）搜索，最后获得合适的nWinWidth。

我将再后续的工作中，尝试不同的搜索方法，并把代码奉上。

模糊阈值分割（2）

根据模糊阈值分割的原理，本文在“模糊阈值分割代码（1）"的基础上进行了拓展，主要是利用图像直方图，搜索最佳波谷阈值，实现多阈值分割。

其过程主要如下：

1. 获取图像直方图

2. 进行直方图平滑，以去毛刺

3. 进行波峰搜索。这部分比较复杂，需要考虑的问题也多。包括波峰的判定准则、伪峰值的去除、半峰值的判断等等。一般来说，一个峰值包括起始位置（上坡段）、终止位置（下坡段）和峰值位置。本文上、下坡段判断是通过连续增长（下降）的数量来判断的，比如连续超过10个增长的就认为是上坡段，而连续10个下降的就是下坡段。当然了，有些峰值非常小，这个就需要缩小判定阈值。峰值的位置是在上下坡段的区间内取重心的方式得到的（见函数GetPeaks）。

4. 在波峰之间采用S函数的模糊化（MemshipFunc），获得模糊曲线。我们知道，模糊化的过程窗口的宽度很重要，一般窗宽取峰值距离的0.3~0.8。由于上一步把峰值取到了，所以这一步就可以根据峰值间的距离设定窗宽，达到自适应的目的。

5. 获得模糊率曲线后，搜索不同峰值间的最小值就可以获得分割阈值。

[cpp]view plaincopy

1.struct Peack

2.{

3.int nStat;

4.int nEnd;

5.int nValue;

6. Peack():nStat(0),nEnd(0),nValue(0)

7. {}

8.};

9./*

10.名称：BlurCure

11.参数：lpBmp - 图像数据指针

12. lSrcWidth - 图像宽度

13. lSrcHeight - 图像高度

56.else//if(nTistogram[i] < nPreValue)

57. {

58.static int s_nLowNum = 0;

59.if(pTistogram[i] < nPreValue)

60. {

61. s_nLowNum ++;

62.if(s_nLowNum == i && s_nLowNum > 10)

63. arrPos[0] = 1;

64. }

65.else if(nContinueNum > 2)

66. nContinueNum ++;

67.else

68. nContinueNum = 0;

69. }

70. }

71./////////////////////////////////

72. nPreValue = pTistogram[i];

73. }

74.//============峰值计算==============

75.int nSum = 0,nTistoSum = 0;

76. vector::iterator it=vctPeak.begin();

77.while (it != vctPeak.end())

78. {

79. nSum = nTistoSum = 0;

80.for (int i=(*it).nStat; i<=(*it).nEnd; i++)

81. {

82. nSum += i*pTistogram[i];

83. nTistoSum += pTistogram[i];

84. }

85. (*it).nValue = nSum/nTistoSum;

86. it++;

87. }

88.}

下面是“模糊阈值分割代码（1）”中的瓶底图像获得的峰值信息：

三个阈值信息：

最终的分割结果：

从图上可以看出，该种方法还是比较准确的得到了分割的阈值，结果还是比较理想的。

当然，这是针对的多峰值的情况，对于单峰值的情况也是适用的。

其实这种算法在上世纪80年代就已经推出了，之所以没有推广开，问题是在求解的过程中有很多不确定性。比如峰值的确定，本身峰值怎么求的准确就是一个困难的问题，特别是在复杂的情况下，比如弱灰度、有噪音的情况，峰值往往并不明显。而要获得自私应的模糊阈值的，其窗宽又依赖于峰值选取的结果，结果可想而知，通用性就大大降低了！要解决这类算法的通用性问题，首先要减小不确定性，这也是现在依旧在探讨的问题。

Crtbp 函数源代码：（由谢菲尔德大学Andrew Chipperfield编写）

% CRTBP.m - Create an initial population%

% This function creates a binary population of given size and structure.

%

% Syntax: [Chrom Lind BaseV] = crtbp(Nind, Lind, Base)

%

% Input Parameters:

%

% Nind - Either a scalar containing the number of individuals % in the new population or a row vector of length two % containing the number of individuals and their length. %

% Lind - A scalar containing the length of the individual

% chromosomes.

%

% Base - A scalar containing the base of the chromosome

% elements or a row vector containing the base(s)

% of the loci of the chromosomes.

%

% Output Parameter

s:

%

% Chrom - A matrix containing the random valued chromosomes

% row wise.

%

% Lind - A scalar containing the length of the chromosome.

%

% BaseV - A row vector containing the base of the

% chromosome loci.

% Author: Andrew Chipperfield

% Date: 19-Jan-94

function [Chrom, Lind, BaseV] = crtbp(Nind, Lind, Base)

nargs = nargin ;

% Check parameter consistency

if nargs >= 1, [mN, nN] = size(Nind) ; end

if nargs >= 2, [mL, nL] = size(Lind) ; end

if nargs == 3, [mB, nB] = size(Base) ; end

if nN == 2

if (nargs == 1)

Lind = Nind(2) ; Nind = Nind(1) ; BaseV = crtbase(Lind) ;

elseif (nargs == 2 & nL == 1)

BaseV = crtbase(Nind(2),Lind) ; Lind = Nind(2) ; Nind = Nind(1) ;

elseif (nargs == 2 & nL > 1)

if Lind ~= length(Lind), error('Lind and Base disagree'); end

BaseV = Lind ; Lind = Nind(2) ; Nind = Nind(1) ;

end

elseif nN == 1

if nargs == 2

if nL == 1, BaseV = crtbase(Lind) ;

else, BaseV = Lind ; Lind = nL ; end

elseif nargs == 3

if nB == 1, BaseV = crtbase(Lind,Base) ;

elseif nB ~= Lind, error('Lind and Base disagree') ;